基于自适应神经模糊推理的形变数据仿真计算

应用自适应神经模糊推理系统的原理,建立构筑物变形数据的预测计算模型,并用此模型完成大坝变形数据预报。它克服了以往人工神经网络变形数据计算中当解空间稍大时,便难以收敛到所需精度的缺陷,在较大的解空间内模型收敛速度快、变形预报精度高,是一种良好的变形数据预报方法。     

基于组合模型的原子钟时差数据修正算法

高准确度的时间尺度是由原子钟建立并保持的,它需要连续测量,但由于设备延迟或外界环境突变等因素,会造成数据丢失,对原子钟的测量结果分析将产生较大的影响,利用二次多项式模型能够对丢失数据进行修正,但对连续多个丢失数据点的修正精度并不理想。利用灰色模型和两种组合模型对丢失数据进行预报和修正,对四种模型的预报精度进行了比较。实验结果表明,采用两种组合模型的预报精度高于二次多项式模型和灰色模型,验证了组合模型的可行性和有效性。     

基于Kalman滤波的单基准站钟差估计

在卫星定位中,通常认为地面系统的钟差是常数,但在实际中地面系统的钟差是随时间变化而变化的.为此,提出一种基准站钟差的估计方法,假设钟差的时钟模型有三参数,运动目标假设为siger模型,利用预报星历数据进行后处理,采用Kalman滤波算法对基准站的钟差进行仿真,得到基准站钟差的变化误差.结果表明,该方法能有效提高卫星定位...     

大坝变形监控的逐步回归马尔科夫模型

常规逐步回归模型具有建模简单、能表示自变量和因变量的显式函数关系和使用广泛等优点,但逐步回归模型在因变量测值波动比较大时拟合和预报误差大,而马尔科夫链模型具有适应大波动的优点,为此将逐步回归与马尔科夫模型相结合,提出一种高精度的变形预报模型。在介绍逐步回归模型和马尔科夫预报模型概念的基础上,利用某大坝的实测资料进行建模分析。实践表明,变形预报值能很好地吻合了实测结果,表明该模型可以用于大坝安全监控。     

基于输出误差模型优化的甲板运动预报算法研究

本文提出了一种适用于多种复杂海况的大型舰船甲板运动预报方法,目的在于提高算法对不同海域复杂海况的适用性,以及对甲板运动模型的辨识精度与预报精度。该方法通过将量测数据的时间滞后处理引入输出误差模型来描述甲板运动的动力学模型,引入定阶准则确定了模型最优阶数数对。在此基础上应用了辅助模型递推最小二乘算法进行系统参数辨识并估计输出误差模型中的状态变量。实验结果表明,本文所提出的预报方法在系统参数辨识阶段可以将递推最小二乘算法的辨识精度提高5.13%,并且在预报阶段可以有效地将甲板运动的幅值与相位预测精度提高3.17%。该方法在复杂海况下具备良好的预测性能,适用于大型舰船甲板运动预报。     

一种LSTM-BP多模型组合水文预报方法

水文数据是具有时序性的非线性数据，具有高度的不确定性和复杂性。使用单一模型进行预报的结果常常不尽人意，因此本文基于LSTM和BP神经网络建立LSTM-BP多模型组合预报模型进行水文预报。以子午河流域洪水数据为例进行预报，实验结果表明，多模型组合预报模型的预报结果要优于单一模型，同时预报的稳定性和精确度也得到了提高，从而为水文预报提供了新的思路。     

非平稳时间序列的组合模型及其在中长期水文预报中的应用

基于水文序列是一类周期性非平稳时间序列的特点,本文提出了一种适合描述这一特点的组合模型.这个组合模型的优点在于它能较充分地利用历史数据中蕴含的信息,即它既能利用以年为采样周期的时间序列的相关信息,又能利用以月为采样周期的时间序列的相关信息;编制了FORTRAN语言程序,将它应用于河流的中长期水文预报.从文中所列出的汉口和龙滩水文站的向前1至12个月的水文预报结果可以看出,组合模型的预报效果是较好的.     

基于卡尔曼滤波的Landsat-8卫星影像几何精校正

卡尔曼滤波是一种递推线性最小方差估计算法,被广泛应用于GPS动态数据处理、组合导航和通信与信号处理等领域。本文将卡尔曼滤波引入卫星影像几何精校正处理中,以Landsat-8卫星影像为例,利用卡尔曼滤波方法和地面控制点构建运动方程和测量方程,实现了对卫星星历和姿态数据的修正。实验证明,相比于传统最小二乘平差法,该方法使用较少的控制点即可达到稳定的精度,降低了几何精校正对控制点数量的依赖,具有较高适用性。     

模型输入对模糊神经网络预报模型的影响研究

为了探索模型输入对模糊神经网络预报模型预测性能的影响,研究了通过减少预报模型自变量组合的复共线性影响,并结合相似系数计算分析方法建立了一种新的模糊神经网络预报模型。以气象学科的逐日降水预报作为研究对象,利用这种新的模糊神经网络预报模型进行了实际预报试验,并与常规的模糊神经网络预报方法,中国气象局T213数值预报模式以及逐步回归预报方法的预报结果进行了对比分析。结果表明,这种基于条件数和相似系数计算的模糊神经网络预报新方法对49天降水的独立样本预报平均绝对误差为7.33 mm,预报误差比模糊神经网络预报模型下降了5.9%,比传统的逐步回归方法下降了14.9%,比中国气象局T213数值预报模式的预报结果下降了13.4%。显示了很好的应用前景。     

基于RAEKF的GPS/INS紧组合导航方法研究

针对GPS/INSS组合导航系统对高精度和高可靠性需求不断提升的现状,考虑载体运动复杂性导致运动过程中噪声数学统计特性无法精确确定,且滤波结果易受观测粗差影响的问题,提出一种抗差自适应扩展卡尔曼滤波(Robust Adaptive Extended Kalman Filter,RAEKF)方法。基于惯性导航、卫星导航原理与误差模型确定紧组合工作模式下的卡尔曼滤波数学模型;推导常用EKF模型并构造抗差自适应卡尔曼滤波,通过自适应调整观测值的使用权重提高滤波精度,结果表明抗差自适应滤波能有效抑制粗差对导航结果的影响。     

飞机操纵系统建模及降阶仿真研究

通过对某型号飞机三轴（纵向、横向、侧向）操纵系统（机构操纵系统、增稳系统、自动加码仪系统）组成、结构及功能分析,建立了完整的数学模型。将系统分布参数分段集中化处理,在Ｍａｔｌａｂ环境下以模块化方式进行系统仿真得到了与实际系统静动态响应相吻合的仿真模型。由于飞机操纵系统模型的高阶非线性,采用“最小二乘参数拟合法”进行等效降阶处理,得到低阶带延迟环节的简化模型。这种以时域响应进行优化、频域响应进行验证     

RBF-ARX模型在串级系统中的应用

针对液位串级系统的非线性特征,采用RBF-ARX模型对液位串级系统的非线性动态特性进行建模,讨论了RBF—ARX模型结构的选取,模型参数辨识,RBF参数优化等问题。采用了不同的序列作为状态向量,分别建立了液位串级系统的训练数据和测试数据的RBF—ARX模型,分析了各模型的可靠性。模型的预测输出和仿真结果表明,RBF—ARX模型在非线性系统建模和辨识中是有效的。     

一个多Agent系统的BDIC多维模型

文章从组织模型、功能模型、信息模型和通信模型四个方面描述了一个层次化的多Agent系统模型,并给出了该模型中Agent的心智状态BDIC到信息模型的一个映射。该模型不仅有助于系统的实施,而且使系统具有较好的可扩充性和重用性。     

并行计算系统度量指标综述

系统度量指标的研究一直是并行系统和应用设计的重要问题。本文首先通过对国内外并行计算系统度量指标的分析,将当前并行计算系统度量指标分为单一的计算性能度量指标和多要素综合的高效能度量指标两种。其次,总结了这些度量指标的研究现状,并指出这些度量指标研究中存在的一些问题以及需要考虑的难点。由于并行计算系统正在逐渐从"高性能"走向"高效能",本文主要考虑当前大规模并行计算系统的可靠性和能耗要素对系统的影响,从系统可扩展角度建立了可靠并行加速比和能耗并行加速比模型,并进一步扩展为度量并行计算系统效能的综合指标模型。最后指出了未来并行计算系统度量的研究方向。     

信息系统对象的安全视角建模

安全模型必须考虑信息系统的特征信息。比如,告警关联要评估攻击是否成功的概率,可以通过比较目标配置信息和漏洞被攻击的前提来得到。本文从安全角度提出了新的信息系统模型,该模型不仅包括静态和动态两个方面的内容,而且通过引入层次继承关系,使得模型更加接近实际,该模型还包括了目前安全界研究的相关几个模型的信息,如NERD,Netmap等,是相对比较全面的。更重要的是,该模型提供了一种思路,利用该思路,可以在理论研究和工程实践中架设一个桥梁,拓展研究成果向实用化发展。     

基于构件的信息系统体系结构模型

在分析信息系统层次结构的基础上，提出信息系统结构的层次化构件模型；描述了基于构件化层次模型的信息系统的抽象层次、结构元件、结构特征，给出了不同抽象粒度构件的形式化描述方法、构件连接的形式扣方法、基于企业模型的系统软件组织方式；为信息系统的设计与开发提供了参考模型。初步应用表明，层次化构件模型的设计思想架起了管理系统与信息系统之间的桥梁。提高了信息系统适应性扣开发效率。     

基于Petri网的FMS物流系统建模与仿真

在建立FMS物流系统Petri网模型的基础上,采用“映射”思想,将Petri网模型转化为物流系统的仿真程序,提出了库所映射为程序数据、变迁映射为程序函数、系统子网映射为FMS系统基本类的映射方法,通过实例仿真验证了软件程序与模型的一致性。     

计算机软件应用体系结构模型研究

通过对计算机软件应用体系结构模型技术的分析研究,可以提高计算机软件系统的开放性、复用性以及集成性。本文主要针对计算机软件应用体系结构模型当中的两层应用体系结构模型、多层应用体系结构模型以及单层应用体系结构模型进行分析研究,对计算机软件应用方面具有指导性作用。     

一种分布式实时系统的层次结构模型

本文抽象出分布式实时系统的特性,并提出一个层次结构模型．该模型详细定义了每一层的功能,具有通用性和灵活性．在设计实现分布式实时系统时,可根据这个模型对每一层进行独立的分析设计,从而有效的降低开发费用     

多变量系统的RBFNN内模控制

本文研究了基于逆系统方法的神经网络内模控制。选用径向基函数神经网络(RBFNN)逼近对象的α阶积分逆系统，以之与原系统组合，使其解耦线性化以后再采用内模控制。最后以两输入两输出的磁悬浮系统设备的数学模型为对象进行了仿真，结果表明这种方法具有较好的控制效果。